近些年來，在深度學習的推動下，人工智能步入新的發(fā)展階段。然而，隨著深度學習模型性能的提升，其計算復雜度也在不斷增加，深度學習模型的運行效率面臨巨大挑戰(zhàn)。在這種情況下，深度學習高效計算成為在更大范圍內應用人工智能的重要環(huán)節(jié)。本書圍繞深度學習模型計算，重點從深度學習模型優(yōu)化、算法軟件加速、硬件架構設計等方面展開介紹深度學習

本書聚焦于AIGC在數據分析與數據化運營中的實際應用，從業(yè)務、方法和場景三個角度深入探討，旨在幫助讀者輕松掌握AIGC技術并將其應用到實際業(yè)務場景中。本書共8章，分為三個部分。第一部分(第1章和第2章)主要介紹AIGC在數據分析中的應用，以及AIGC在數據分析報告交付中的創(chuàng)新應用。第二部分(第3章和第4章)專注于AIG

《掘金AIGC》一書將結合生動的比喻和有趣的案例，介紹AIGC的方方面面，從應用場景到具體工具的應用技巧，向所有關注人工智能、關注未來科技發(fā)展的讀者科普AIGC的知識和行業(yè)應用案例，讓我們一起迎接全新的智能創(chuàng)作時代。

“人工智能超入門叢書”致力于面向人工智能各技術方向零基礎的讀者，內容涉及數據素養(yǎng)、機器學習、視覺感知、情感分析、搜索算法、強化學習、知識圖譜、專家系統(tǒng)等方向。本叢書體系完整、內容簡潔、語言通俗，綜合介紹了人工智能相關知識，并輔以程序代碼解決問題，使得零基礎的讀者能夠快速入門�！稄娀瘜W習：人工智能如何知錯能改》是“人工智

本書是一本全面介紹人工智能領域的專業(yè)教材。分為八章，人工智能概述、人工智能數學基礎、人工智能基礎模型、人工智能編程框架、視覺智能處理技術、語言智能處理技術、語音智能處理技術和人工智能的未來發(fā)展趨勢。首先介紹人工智能的相關基礎知識，包括人工智能相關概念、人工智能的數學基礎、人工智能的模型基礎以及相關編程基礎，然后分別介紹

本書結合圖論與矩陣分析的背景，主要以圖論的連通性，矩陣分析的Keronecker積為工具，介紹運用狀態(tài)預測器、切換控制、李雅普諾夫函數的方法，主要研究鄰接輸入飽和多智能體系統(tǒng)的一致性、切換通信拓撲下飽和異構多智能體系統(tǒng)的一致性等內容，這些內容是多智能體系統(tǒng)中重要且十分有意義的工作。同時這些研究工作也可以為其他控制系統(tǒng)研

本書從原理、歷史、應用、挑戰(zhàn)、前景等多個維度解讀了AI藝術、AI寫作、A工作曲、AI電影等AI創(chuàng)意技術。在知識講解的同時，書中也引導孩子錘煉工程思維、創(chuàng)新思維、辯證思維、前瞻性思維等思維能力，以提高孩子解決實際問題的能力。

本書首先介紹了撰寫的基本背景，總結了國內外儲層四維地質建模的研究現狀；接著闡述了人工智能、機器學習和深度學習三者之間的關系和機器學習、深度學習中包含的主要方法；之后在總結本書所研究區(qū)域的油藏地質背景的基礎上，詳細討論了如何結合深度學習中的Attention-LSTM方法、三維地質建模技術，來構建儲層參數的四維地質模型；

本書聚焦智能系統(tǒng)工程，探討如何將系統(tǒng)工程、系統(tǒng)思維與人工智能、機器學習等新技術結合，設計出更智能的系統(tǒng)。在人類與系統(tǒng)交互常感挫敗、技術發(fā)展迅猛的背景下，多數關于人工智能的研究局限于算法層面，而本書填補了智能系統(tǒng)設計領域的空白。? 書中指出，人與機器的高效合作需通過設計和系統(tǒng)工程實現。為此，它融合了一般系統(tǒng)工程、基于模型

本書首先介紹了深度卷積神經網絡模型(CNN)、依賴注意力機制Transformer模型、脈沖神經網絡(SNN)模型的基本原理，同時介紹了作者的最新研究，如基于粒子群優(yōu)化的深度神經網絡模型、基于知識蒸餾的手寫漢字識別深度神經網絡模型壓縮、用于手寫漢字圖像識別分類的并行快速VisionTransformer模型、用于手寫漢